उद्वेलन की हलचल के अनुकरण के लिए इको स्टेट नेटवर्क

सार: हलचल वाला रेलेह-बेना्र्द उद्वेलन (RBC) तरल गतिशीलता में अराजकता के बहुत प्रमुख उदाहरणों में से एक है जिसका प्रकृति में महत्वपूर्ण संबंध है। इस बीच, इको स्टेट नेटवर्क (ESN) अनुक्रमिक डेटा के अनुकरण के लिए उपयुक्त सबसे मौलिक मशीन लर्निंग एल्गोरिदम में से एक हैं। वर्तमान अध्ययन प्रयोगात्मक RBC का कम क्रम का अनुकरण करता है। ESN सफलतापूर्वक प्रवाह का गुणात्मक अनुकरण करता है। इस अत्यधिक हलचल प्रवाह के लिए, भविष्यवाणियों को वास्तविकता से अलग करना चुनौतीपूर्ण है। ESN की सांख्यिकीय समागम गति मूल्यों से परे जाती है और प्रवाह गतिशीलता के द्वितीयक पहलुओं में दर्शाई जाती है, जैसे कि स्थानिक और कालिक व्युत्पत्तियाँ और भंवर। अंततः, ESN के मुख्य हाइपरपैरामीटर प्रवाह गतिशीलता के साथ मजबूत संबंध में सर्वश्रेष्ठ प्रदर्शन के लिए मान दिखाते हैं। तरल गतिशीलता और कंप्यूटर विज्ञान के दृष्टिकोण से ये निष्कर्ष भविष्य में ESN के सूचित डिज़ाइन का आधार रखते हैं ताकि प्रकृति में सबसे चुनौतीपूर्ण समस्याओं में से एक: हलचल का समाधान किया जा सके।